Beruflich Dokumente
Kultur Dokumente
BASICOS
DE PROBABILIDAD
TESIS
QUE PARA OBTENER EL TITULO DE:
ACTUARIO
PRESENTA:
DIRECTOR DE TESIS:
SOLIS
DR. LUIS ANTONIO RINCON
MEXICO,
D.F.
2005
Contenido
1 Introducci
on
2 Inicios
5
2.1 Gerolamo Cardano . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Galileo Galilei . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Correspondencia . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Combinatoria
3.1 Regla de la multiplicacion
3.2 Tecnicas de conteo . . . .
3.3 Ejemplos . . . . . . . . . .
3.4 Ejercicios . . . . . . . . .
4 Probabilidad
4.1 Formula clasica . . . . . .
4.2 Probabilidad geometrica .
4.3 Probabilidad frecuencial .
4.4 Primer teorema del lmite
4.5 Espacio muestral . . . . .
4.6 Reglas aditivas . . . . . .
4.7 Ejemplos . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
5 Independencia
5.1 Eventos independientes . . .
5.2 Experimentos Bernoulli . . .
5.3 Probabilidad condicional . .
5.4 Regla de probabilidad total
5.5 Teorema de Bayes . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
18
18
20
24
36
.
.
.
.
.
.
.
39
40
41
42
43
45
45
50
.
.
.
.
.
72
72
76
77
80
82
CONTENIDO
5.6 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6 Esperanza
6.1 Esperanza matematica . . . .
6.2 Paradoja de San Petersburgo
6.3 Suma de precios justos . . . .
6.4 Ejemplos . . . . . . . . . . . .
7 Conclusiones
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
91
91
95
97
99
106
Captulo 1
Introducci
on
En el presente trabajo de tesis se desarrollan algunos conceptos basicos de
la teora de la probabilidad haciendo enfasis en la intuicion, los aspectos
historicos y procurando que las ideas y notacion utilizados parezcan mas
simples y naturales, en contraste con la forma en que tradicionalmente se
presentan en los libros de texto usuales. La idea de un escrito de esta naturaleza surgio a partir de la percepcion del autor en el sentido de que la
probabilidad es ense
nada en los cursos regulares de una forma poco natural, con medianos o altos niveles de abstraccion, y poca o nula atencion a
los aspectos intuitivos e historicos de los conceptos. Muy posiblemente los
altos niveles de reprobacion y el bajo nivel de entendimiento de las ideas elementales de esta parte de las matematicas pueda ser explicado por la forma
poco natural en la que se presentan sus conceptos y definiciones. En este
trabajo se plantean, explican y revisan algunos de estos conceptos con el fin
de motivar y mejorar su entendimiento.
El texto esta dirigido a estudiantes de nivel medio superior y superior, y
al p
ublico en general con cierto entrenamiento en el manejo de formulas
matematicas. El objetivo es atraer la atencion hacia el estudio de los fenomenos
probabilsticos, y fomentar tres habilidades principales: utilizar algunas de
las tecnicas de conteo, aplicar las formulas para calcular probabilidades e
interpretar los resultados.
El trabajo esta dividido en cinco captulos. En el primero se describen los
3
CAPITULO 1. INTRODUCCION
orgenes de la teora de la probabilidad y se resaltan algunas de las aportaciones de Gerolamo Cardano, Galileo Galilei, Pierre de Fermat y Blaise Pascal. El segundo captulo se centra en la descripcion de las tecnicas de conteo
basicas para la resolucion de problemas de probabilidad, y se proporcionan algunos ejemplos de su aplicacion. En el tercer captulo se presentan
tres formas o formulas para calcular la probabilidad de eventos, as como
la terminologa que se utiliza en la teora de la probabilidad. En el cuarto
captulo se introduce el concepto de independencia probabilista, as como
algunas de las formulas o teoremas como el de Bayes, de probabilidad total
y de Bernoulli. Por u
ltimo, en el captulo cinco se estudia el concepto de
esperanza matematica.
Para realizar este trabajo han sido utilizados algunos escritos relacionados
con la investigacion en la ense
nanza y aprendizaje de la probabilidad. En
estos escritos se exponen algunas dificultades principales que tienen las personas para resolver e interpretar problemas de esta disciplina, y que han
sido identificadas por psicologos y matematicos, entre otros, en sus investigaciones. As, en los ejemplos que se presentan en este trabajo, se hace
hincapie en que el lector reconozca los razonamientos erroneos que a menudo
son usados en la percepcion, entendimiento e interpretacion de algunos conceptos y resultados de la probabilidad.
Captulo 2
Inicios
Los aleatorizadores mas antiguos que se conocen son los astragalos o huesos de
taba. Estos instrumentos del azar eran huesos del talon de alg
un animal como
el caballo, los cuales estaban conformados de tal manera que al ser lanzados
sobre una superficie uniforme se pudieran obtener cuatro resultados; la peor
tirada era llamada perro, tena un valor de 1, la cara opuesta era llamada
Venus, que tena un valor de 6 puntos y era la mejor tirada. Los astragalos son
la version primitiva de lo que hoy conocemos como dados, cuya existencia
se remonta, por lo menos, 3000 a
nos antes de Cristo, por ello han estado
presentes en muchas culturas y epocas de la historia.
Existen muchos pasajes historicos donde se utilizan los dados para jugar y
apostar. Por ejemplo, en el tercer libro de la epopeya hind
u el Mahabarata,
se narra la historia de Nala, el cual es posedo por Kala, un semidios de los
dados, provocando con esto que Nala pierda su reino jugando y apostando.
Despues de vagar por algunos a
nos, Nala se encuentra con Rtuparna, quien
presume de sus habilidades matematicas, afirmando que en dos grandes ramas de un arbol hay un cierto n
umero de hojas y frutos. Para hacer esta
afirmacion Rtuparna cuenta las hojas y los frutos de una peque
na rama.
Nala pasa toda una noche contando para verificar lo que Rtuparna afirma,
quedando sorprendido por su exactitud. En una traduccion hecha por H.
H Milman [1860, p 76] se puede leer lo que dice Rtuparna acerca de sus
habilidades: Yo de los dados poseo su ciencia y as en los n
umeros diestro
soy.
5
CAPITULO 2. INICIOS
2.1
Gerolamo Cardano
CAPITULO 2. INICIOS
CAPITULO 2. INICIOS
2.2
Galileo Galilei
Alrededor de 1615, otro importante cientfico estudiaba ya los posibles resultados al lanzar los dados. Se trataba de un matematico, fsico y astronomo,
nacido en Pisa, Italia, que llevaba por nombre Galileo Galilei (1564-1642).
Galileo mostro de una forma mas clara que Cardano, los posibles resultados
de lanzar uno, dos y tres dados. Y, al igual que Cardano, no propone o enuncia ning
un concepto de probabilidad (de hecho, este termino no se utiliza en
su obra).
Los estudios de Galileo referentes al azar se enfocan a los juegos, en particular en aquellos donde se emplean dados. Al lanzar los dados, se apuesta a
poder obtener cierta combinacion con dos o mas dados; por ejemplo, podemos apostar que obtendremos un 5 y un 6 al lanzar dos dados. De esta forma
apostaban algunas personas en la epoca de Galileo, y fue por eso que el estudio las posibilidades de estas combinaciones. Para hacerlo, simplemente se
CAPITULO 2. INICIOS
CAPITULO 2. INICIOS
10
El resultado anterior es valido cuando obtenemos el 2 en el primer dado y decimos el primer dado solo para distinguirlos-, pero, como podemos
obtener cualquiera de los 6 n
umeros en ese primer dado, entonces el total
de casos posibles es
(1,1)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
(1,2)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
(1,3)
(2,3)
(3,3)
(4,3)
(5,3)
(6,3)
(1,4)
(2,4)
(3,4)
(4,4)
(5,4)
(6,4)
(1,5)
(2,5)
(3,5)
(4,5)
(5,5)
(6,5)
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
Por lo anterior, sabemos que al lanzar dos dados los posibles resultados son
36. Y que sucede si lanzamos tres dados? Veamos que dice Galileo:
[. . . ]y si a
nadimos un tercer dado, como cada una de sus 6 caras
se pueden emparejar con una de las 36 tiradas de los otros dos
dados, tendremos que las tiradas de tres dados seran 6 veces 36,
es decir 216, todas diferentes entre s[. . . ][3]
Uno de los juegos de azar en los que se utilizaban los dados consista en
lanzar dos dados y obtener una suma determinada, por ejemplo un 7, que es
resultado de obtener un 5 y un 2, o un 4 y un 3. Los apostadores pensaban
que algunos n
umeros eran mas faciles de obtener que otros, pero no saban
por que. Galileo mostro con tres dados y de una manera clara la causa de
este fenomeno numerico. Nosotros usaremos solo dos dados para hacer mas
simple la explicacion.
Las posibles sumas al lanzar dos dados son: 2, 3, 4, 5, 6, 7, 8, 9, 10, 11,
12. Si alguien nos propusiera apostar a un n
umero resultado de la suma de
los dados, cual elegiramos? Muchos incautos perdieron todo su dinero por
no saber que no todos las sumas tienen las mismas posibilidades de ocurrir.
Para no acabar como alguno de ellos, veamos que hizo Galileo.
En la siguiente tabla, en la primera y tercera columna, describimos todos los
posibles resultados de lanzar los dados. En las columnas segunda y cuarta
estan las sumas para cada uno de los casos.
CAPITULO 2. INICIOS
11
Resultado
al lanzar
los dados
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
Suma
2
3
4
5
6
7
3
4
5
6
7
8
4
5
6
7
8
9
Resultado
al lanzar
los dados
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
Suma
5
6
7
8
9
10
6
7
8
9
10
11
7
8
9
10
11
12
3 4
5 6 7
8 9
10 11 12
2 3
4 5 6
5 4
As, podemos confirmar que hay sumas que son mas faciles de obtener que
otras. Las mas difciles de obtener son 2 y 12, pues solo hay una combinacion
que produce a cada una de ellas. La suma mas sencilla de obtener es 7, pues
es resultado de seis combinaciones.
Ejemplo 1 Supongamos que estamos en una mesa de juego de alg
un lujoso
castillo del siglo XVII. En esta mesa se encuentra un caballero elegante que
CAPITULO 2. INICIOS
12
nos propone una apuesta. La apuesta consiste en que el puede obtener como
suma, al lanzar dos dados, un n
umero mayor o igual que 7; de conseguirlo,
nosotros le daremos 5 monedas, de lo contrario el tendr
a que pagarnos dicha
cantidad.
Utilizando las tablas anteriores, podemos ver que al aceptar la apuesta tendriamos desventaja, pues de las 36 posibles combinaciones de puntos, 21
suman un n
umero mayor o igual que 7; mientras que solo 15 suman lo contrario. Por lo tanto la suerte no estara de nuestro lado y no sera una
buena idea aceptar la apuesta del astuto caballero.
Dejemos a Galileo, de quien debemos recordar, entre otras cosas, que logro
contar los posibles resultados de lanzar los dados y hacer comparaciones entre
diferentes combinaciones o eventos.
2.3
Correspondencia
Durante el siglo XVII algunas personas dedicadas a las matematicas intercambiaban sus ideas y descubrimientos por correspondencia. Entre los personajes que utilizaban este medio para difundir su pensamiento encontramos
a Pierre de Fermat (1601-1665) y Blaise Pascal (1623-1662).
Estos dos grandes genios de su epoca lograron resolver un problema relacionado con los juegos de azar conocido como el problema de la division.
Este problema trata de lo siguiente: dos personas, que llamaremos A y B,
apuestan 30 monedas en un juego donde el ganador sera el primero que logre
vencer en 10 partidas. Sin embargo, un evento inesperado provoca que los
jugadores tengan que cancelar el juego. Hasta ese momento A tena ganadas
9 partida, y B solo 7. Como debe entonces repartirse el dinero si no se
concluyo el juego?
El problema de la division era conocido antes de que nacieran Pascal y Fermat, sin embargo, nadie lo haba podido resolver. En el siglo XVI Giobattista Francesco Peverone propuso una solucion. Textualmente la propuesta
de Peverone es la siguiente:
CAPITULO 2. INICIOS
13
CAPITULO 2. INICIOS
14
finalice el juego. No es difcil ver que con un maximo de tres partidas jugadas
tendremos un ganador. En la siguiente tabla se muestran todos resultados
posibles de las partidas, si se contin
ua con el juego.
Primera partida
Segunda partida
Tercera partida
Ganador
a
a
a
A
a
a
b
A
a a
b b
a b
A A
b
a
a
A
b
a
b
A
b b
b b
a b
A B
CAPITULO 2. INICIOS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
Primera
partida
a
a
a
a
a
a
a
a
b
b
b
b
b
b
b
b
b
b
c
c
c
c
c
c
c
c
c
15
Segunda
partida
a
a
a
b
b
b
c
c
c
a
a
a
b
b
b
c
c
c
a
a
a
b
b
b
c
c
c
Tercera
partida
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
A
A
A
A
A
A
A
A
A
A
A
A
A
C
B
B
B
B
A
B
C
A
A
A
A
C
B
C
C
C
C
CAPITULO 2. INICIOS
16
CAPITULO 2. INICIOS
17
matematicos que algunos le consideraban uno de los mas grandes genios del
siglo XVII).
Como es de suponer, Fermat defiende su metodo y responde a Pascal lo
siguiente:
[. . . ] no encuentro mas que 17 combinaciones para el primero
y 5 para cada uno de los otros dos; pues cuando dice Vd. que
la combinacion acc es buena para el primero y para el tercero,
parece no recordar que todo lo que se hace despues de que uno
de los jugadores ha ganado, ya no sirve para nada. Puesto que
esta combinacion ha hecho ganar al primero desde la primera
partida, que importa que el tercero gane dos a continuacion ya
que, aunque ganase treinta, todo eso sera superfluo? [. . . ]4
Ademas, Fermat argumentaba que el hecho de escribir las combinaciones de
las tres partidas solo es para facilitar el conteo de las posibilidades.
La respuesta que da Fermat, que es 17 de 27 para el jugador A, y 5 de 27
para cada uno de B y C, es la correcta. Pascal tambien haba obtenido dicha
solucion, pero con otro metodo.
Para terminar, cabe aclarar que, como lo menciona Fermat, su metodo sirve
para contabilizar de una forma sencilla todas las posibilidades que pueden
darse en el problema de la division, pero si pretendemos ser rigurosos, como lo
hizo Pascal, podemos advertir el defecto de encontrarnos con combinaciones
que no tienen sentido en la realidad, pero si se estipulan las condiciones
necesarias, que ya hemos visto, el metodo es sencillo y claro.
En captulos siguientes resolveremos el problema de la division de una forma
mas simple.
Captulo 3
Combinatoria
Al enfrentar el problema de saber por que algunos eventos suceden con mayor
o menor frecuencia, se observa una actitud recurrente, la de contar. Cardano,
Pascal, Fermat, Galileo, todos coincidieron en ello.
Contar, de la forma en que lo hicieron Pascal y Fermat, se convirtio en algo
innovador y u
til, a tal grado que surgio una nueva rama de las matematicas,
la combinatoria, que es un conjunto de tecnicas enfocadas a los problemas
sobre saber contar las distintas combinaciones que, sometidas a unas u otras
condiciones, se pueden formar con objetos dados.
Es por lo anterior que este captulo lo destinaremos para aprender algunas
de las formulas que se utilizan para contar.
3.1
Regla de la multiplicaci
on
Por que contar una por una las casillas del tablero de ajedrez, si contando las
casillas que hay horizontal y verticalmente, y multiplicando estos n
umeros,
obtenemos el n
umero total de casillas?
En efecto, multiplicando el n
umero de casillas horizontales del tablero de
ajedrez, por el n
umero casillas verticales, 8 8 = 64, obtenemos el mismo
resultado que si contamos cada una de las casillas.
18
CAPITULO 3. COMBINATORIA
19
aguila),
aguila),
aguila),
aguila),
aguila),
aguila),
(1,
(2,
(3,
(4,
(5,
(6,
sol),
sol),
sol),
sol),
sol),
sol).
CAPITULO 3. COMBINATORIA
20
3.2
T
ecnicas de conteo
CAPITULO 3. COMBINATORIA
21
todos los posibles resultados al realizar este experimento? Podemos representar los resultados con arreglos de tama
no dos. Cada uno de los lugares
del arreglo puede tomar 1 de 4 valores, 1, 2, 3 o 4, utilizando la regla de
la multiplicacion sabemos que son 16 los posibles resultados. Los podemos
representar como sigue
(1, 1)
(2, 1)
(3, 1)
(4, 1)
(1, 2)
(2, 2)
(3, 2)
(4, 2)
(1, 3)
(2, 3)
(3, 3)
(4, 3)
(1, 4)
(2, 4)
(3, 4)
(4, 4).
Si en un arreglo de tama
no k, cada uno de los k lugares del arreglo toma uno
de n valores, sin importar que alg
un valor aparezca mas de una vez, e incluso
con la posibilidad de repetirse en los k lugares, entonces se esta hablando de
arreglos con repeticion.
Arreglos con repetici
on. El n
umero de arreglos con repeticion de tama
no
k, donde cada lugar del arreglo puede tomar uno de n valores, es k n
Los siguientes son algunos ejemplos de problemas de conteo que podemos
solucionar usando los arreglos con repeticion:
1. Cuales son los posibles resultados de lanzar un dado tres veces. Solucion.
Necesitamos tres lugares para representar el resultado de cada uno de
los tres dados, es decir, k = 3. Son seis los posibles resultados del dado,
CAPITULO 3. COMBINATORIA
22
(1, 2)
(2,
///
2)
(3, 2)
(4, 2)
(1, 3)
(2, 3)
(3,
///
3)
(4, 3)
(1, 4)
(2, 4)
(3, 4)
(4,
///
4)
Si en un arreglo de tama
no k, el primer lugar puede tomar uno de n valores,
y el segundo puede tomar uno de n - 1 valores, excluyendo el valor que ya
fue asignado al lugar uno, y as sucesivamente hasta el lugar k que puede
tomar uno de n - (k - 1) valores exceptuando los k - 1 valores ya asignados
a los anteriores k - 1 lugares, entonces estaremos hablando de arreglos sin
repeticion.
Arreglos sin repetici
on. El n
umero de arreglos de tama
no k sin repeticion,
tomados de un conjunto de n valores es: n(n1)(n2) [n(k1)].
Los siguientes son algunos problemas de conteo que podemos solucionar
usando los arreglos sin repeticion:
1. Seleccionar al presidente y vicepresidente de un club de entre 10 personas. Solucion 10 9.
CAPITULO 3. COMBINATORIA
23
(1, 2)
(2,
///
2)
(3,
///
2)
(4,
///
2)
(1, 3)
(2, 3)
(3,
///
3)
(4,
///
3)
(1, 4)
(2, 4)
(3, 4)
(4,
///
4)
CAPITULO 3. COMBINATORIA
24
decir, el n
umero de combinaciones se obtiene dividiendo el n
umero de arreglos
sin repeticion entre el n
umero de arreglos que se forman con los k elementos.
n(n 1)(n 2) [n (k 1)]
.
k!
Combinaciones. El n
umero de combinaciones de tama
no k tomadas de un
grupo de n objetos distintos es
Ckn
n!
n(n 1)(n 2) [n (k 1)] (n k)!
=
.
=
(k!)
(n k)!
(n k)!k!
Cuando establecimos las diferentes situaciones para extraer las dos bolas
de la urna, fijamos nuestra atencion en dos circunstancias especialmente;
considerar el orden en que se extraan las bolas, y si haba o no reposicion.
En base a estas dos circunstancias, podemos dividir algunos de los problemas
de conteo en uno de cuatro grupos. En la siguiente tabla se pueden distinguir
los cuatro grupos, ademas, se presentan las formulas que pueden utilizarse
cuando de un grupo de n elementos se toman k.
Sin reposici
on
Ckn =
Sin orden
Con orden
n!
(nk)!k!
Con reposici
on
n+k1
Ck1
=
(n+k1)!
n!(k1)!
kn
3.3
Ejemplos
CAPITULO 3. COMBINATORIA
25
15!
= 105.
(15 2)!(2!)
Ejemplo 5 En una de tantas misiones secretas del grupo beta, los 15 soldados deben separarse en dos equipos, uno con 5 soldados y el otro con 10.
De cuantas formas se pueden hacer los equipos?
CAPITULO 3. COMBINATORIA
26
15!
= 3, 003.
(15 10)!(10!)
Son 3,003 las formas en que se pueden formar los equipos. Verifiquemos que
el resultado es el mismo si en lugar de ocuparnos en formar el equipo de 10
soldados elegimos el de 5.
C515 =
15!
= 3, 003.
(15 5)!(5!)
n!
n!
n
=
= Cnk
.
(n k)!(k!)
[n (n k)]!(n k!)
CAPITULO 3. COMBINATORIA
27
CAPITULO 3. COMBINATORIA
28
CAPITULO 3. COMBINATORIA
29
CAPITULO 3. COMBINATORIA
30
CAPITULO 3. COMBINATORIA
31
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
Azul
Rojo
Verde
Representaci
on
CAPITULO 3. COMBINATORIA
32
7!
= 21.
2!(5!)
X1 + X2 + + Xk = n.
Solucion. Tenemos que separar n unidades en k grupos. Las unidades son
indistinguibles entre s (), por lo tanto solo nos interesa el n
umero de
unidades en cada uno de los k grupos. Este es un problema similar al de las
esferas, pero para n esferas y k colores. Como son k colores necesitamos
k 1 separadores (). En total son n + k 1 smbolos, es decir, necesitamos
arreglos de tama
no n+k1, pero ya no hay que representarlos, pues sabemos
que basta con asignar lugar a los k1 separadores. El n
umero total de formas
en que se pueden separar las n unidades es
n+k1
Ck1
=
(n + k 1)!
(n + k 1)!
=
.
(n + k 1 (k 1))!(k 1)!
n!(k 1)!
CAPITULO 3. COMBINATORIA
33
6!
= 60.
3! 2! 1!
En situaciones donde hay que dividir un conjunto de n objetos en r subconjuntos, con n1 elementos en el subconjunto uno, n2 elementos en el segundo
subconjunto, y as, sucesivamente, el n
umero de formas de repartirlos es
n!
,
n1 ! n2 ! nr !
donde n1 + n2 + + nr = n.
Ejemplo 15 Para una reuni
on, los 15 alumnos del sal
on deben seleccionar
a 5 de ellos para que los representen, este grupo debe estar compuesto por 3
mujeres y 2 hombres. De cu
antas formas se puede hacer este grupo? En el
grupo hay 7 mujeres y 8 hombres.
Solucion. Primero seleccionemos a las mujeres. El total de formas para
seleccionarlas es C37 formas. Luego para elegir a los hombres tenemos C28
formas. Aplicando la regla de la multiplicacion obtenemos el n
umero total
de formas para elegir al grupo de 5 personas, que es
C37 C28 = 980.
CAPITULO 3. COMBINATORIA
34
CAPITULO 3. COMBINATORIA
35
Nuevamente pensemos en elegir a las 3 mujeres de entre las 7, solo que ahora
las seleccionadas son B, C, y D. En la segunda seleccion obtenemos A y E.
El grupo de representantes sera A, B, C, D y E.
As, pues, mostramos como se pueden seleccionar de dos formas a un mismo
grupo de representantes, con lo que deducimos que la opcion uno no es correcta. Tratemos de corregir la respuesta de la opcion uno. Dado que estamos
contando de mas, restemonos los casos necesarios, y veamos que resultado
obtenemos.
El grupo A, B, C, D, E, es considerado C35 veces, pues son las formas en que
pueden ser seleccionadas las tres representantes de las cinco en la primera
etapa. Pero no solo es este grupo de 5, sino que puede ser cualquiera de C57 .
En total hay C35 C57 = 210 casos que se toman en cuenta, de los cuales solo se
deben considerar a 21. Entonces del total que tenamos debemos restar 189.
Cuando son cuatro mujeres las que estan en el grupo de representantes,
tambien se estan contando casos de mas. Cada caso de estos se considera
C34 veces. Tenemos C47 posibles grupos de cuatro mujeres. Finalmente, cada
grupo de cuatro mujeres esta acompa
nado por un hombre, el cual puede ser
cualquiera de los 8. Es decir, como estos casos hay C47 C34 8 = 1120, y de estos
solo se deben considerar a 280. Es decir, que debemos restar 840 casos.
As, del resultado de la opcion uno restamos 189 y 840, y obtenemos
2310 840 189 = 1, 281,
que es el resultado de la opcion 2.
Ejemplo 17 El Obispo Wibold de Cambray, en el a
no 960, propuso un juego
de dados piadosos. En este juego se lanzaban tres dados, la combinacion
obtenida se asociaba a una virtud, y el jugador deba comportarse conforme
a esta virtud por un periodo de tiempo determinado. El Obispo Wibold de
Cambray tena una lista de 56 virtudes asociadas a los posibles resultados de
los dados, es decir, el supona que al lanzar tres dados los posibles resultados
seran 56. Con lo que hemos visto sabemos que al lanzar tres dados los
CAPITULO 3. COMBINATORIA
36
3.4
Ejercicios
CAPITULO 3. COMBINATORIA
37
elegir una de cinco rutas Cuantas rutas puede tomar un competidor para
llegar desde la ciudad A hasta la C?
Respuesta. 15.
Ejercicio 2 PROGOL es un concurso donde el ganador es aquel que adivine
el resultado de 14 partidos de f
utbol. Los resultados pueden ser: triunfo para
el local, para el visitante o empate. Cu
antos son los posibles resultados que
se pueden dar en los 14 partidos?
Respuesta. 4,782,969.
Ejercicio 3 En una dulcera se ofrecen piezas de chocolate en cinco presentaciones: con cafe, amargo, blanco, con almendras, y con arroz inflado.
Cada pieza de chocolate tiene vale un peso. Un ni
no entra a la dulcera dispuesto a gastar 10 pesos en chocolates. De cuantas formas puede el ni
no
comprar los chocolates, pensando en las diferentes presentaciones?
Respuesta. 1,001.
Ejercicio 4 Los reyes magos despues de repartir regalos toda la noche, se
encuentran en la u
ltima casa, donde habitan dos ni
nos. Para estos ni
nos
han guardado 6 regalos diferentes, tres para cada uno. De cuantas formas
pueden los reyes magos distribuir los 6 regalos?
Respuesta. 20.
Ejercicio 5 Un anciano a punto de morir, quiere heredar sus 5 pertenencias
entre sus dos hijos. De cuantas formas puede repartir sus pertenencias?
Respuesta. 32.
Ejercicio 6 Cuantas manos de p
oker hay que tengan s
olo tercia?
CAPITULO 3. COMBINATORIA
Respuesta. 54,912.
Ejercicio 7 Cuantas manos de p
oker hay que s
olo tengan un par?
Respuesta. 6,589,440.
Ejercicio 8 Cuantas manos de p
oker hay que tengan s
olo dos pares?
Respuesta. 247,104.
38
Captulo 4
Probabilidad
Es imposible que un dado, con una determinada fuerza y direccion, no caiga sobre una cara determinada, solo que yo no
conozco la fuerza y la direccion que le hace caer sobre una cara
determinada y por lo tanto le llamo a eso chance, aunque no es
sino falta de arte (conocimiento) [. . . ] John Arbuthnot[3]
La palabra probabilidad (probabilite) se utiliza por primera vez para denotar
algo medible, en la obra de Antonie Arnauld-Pierre Nicole. Este autor usa
la palabra al considerar la diferencia que existe entre la posible ocurrencia
de eventos. Esta diferencia la haca de manera emprica. Al igual que Arnauld, nosotros utilizaremos la palabra probabilidad para atribuir un grado
de ocurrencia a determinados eventos.
Al tratar de obtener la probabilidad de un evento, lo ideal sera expresarla de
forma tal que pueda ser aplicable a diversas situaciones. No servira de mucho
decir que es probable ganar un juego, ya que lo que realmente deseamos saber
es que tan probable lo es. Ademas, para facilitar las comparaciones, debemos llevar el concepto a terminos numericos y para esto necesitamos alguna
formula o metodo que nos arroje un n
umero. Para lo cual, a continuacion
veremos tres formulas para el calculo de probabilidades que se desarrollaron
en los inicios de esta teora.
39
CAPITULO 4. PROBABILIDAD
4.1
40
F
ormula cl
asica
1
Casos favorables al evento
= ,
Casos totales
2
CAPITULO 4. PROBABILIDAD
41
n
umero de posibilidades finito, y ademas, suponer igual probabilidad de ocurrencia. Ejemplos de este tipo de experimentos son: lanzar una moneda,
donde hay dos posibles resultados con igual probabilidad, un medio. Lanzar
un dado, con seis posibles resultados y probabilidad de un sexto para cada
uno de ellos. Tener el boleto ganador de una rifa donde existen n boletos,
donde cada boleto tiene probabilidad n1 de ser el ganador, etc.
4.2
Probabilidad geom
etrica
CAPITULO 4. PROBABILIDAD
P (A) =
4.3
42
Area
favorable al evento A
.
Area
Total
Probabilidad frecuencial
Entre los muchos intentos por tener alguna ventaja al jugar con los dados
haba, o hay, personas que introducan bolitas de plomo en estos para favorecer a alguna de las caras.
Si lanzamos un dado cargado, los posibles resultados son 1, 2, 3, 4, 5 y 6,
pero ya no podremos asignar igual probabilidad a cada resultado, es decir, si
deseamos conocer la probabilidad de obtener un 1, no bastara con pensar
en casos favorables y totales.
Imaginemos que lanzamos 10 veces un dado que esta cargado, y que en 9 de
los lanzamientos se obtuvo el 1. Bajo esta situacion no es natural pensar que
todas las caras tienen igual probabilidad de ocurrir. Nuevamente lanzamos
el dado pero en esta ocasion veinte veces y de estas veinte resulto que el 1 se
obtuvo 19 veces es logico pensar que las caras en el dado tienen la misma
probabilidad? Pues no, pero ahora nos enfrentamos al problema de asignar
probabilidad a cada uno de los posibles resultados del experimento.
Hay que aclarar que al lanzar 20 veces un dado honesto es posible que se
obtenga en los veinte lanzamientos el 1, pero es muy difcil, la probabilidad
es
P (A) =
1
1
=
,
20
6
3656158440062976
x
n
CAPITULO 4. PROBABILIDAD
43
Donde x es el n
umero de veces que se obtuvo el 1, y n el n
umero de veces
que se lanzo el dado. Esta forma de asignar probabilidad nos debe resultar
natural pues la usamos en la vida cotidiana, por ejemplo, cuando estamos
esperando a una persona y esta suele llegar tarde, suponemos que llegara
tarde por experiencias pasadas.
La asignacion de probabilidades de acuerdo con el comportamiento a largo
plazo en los experimentos es conocida como probabilidad frecuentista o teora
frecuentista.
Entre la teora frecuentista y la clasica existe una relacion. Se espera que
si el n
umero de ensayos que se realizan para obtener la probabilidad con el
metodo frecuentista crece indefinidamente, la probabilidad que se obtenga
para el evento sera la misma que si se pudiera calcular mediante la formula
clasica. Por ejemplo, sabemos que la probabilidad de obtner un dos al lanzar un dado es un sexto; ahora, si lanzamos el dado n veces, y contamos
las ocasiones en que se obtuvo el dos, y hacemos el cociente para obtener
la probabilidad mediante el metodo frecuentista, se espera que el valor del
cociente sea proximo a un sexto. La idea anterior la expreso, tres siglos atras,
James Bernoulli de la siguiente forma.
4.4
Arte de la conjura
CAPITULO 4. PROBABILIDAD
44
CAPITULO 4. PROBABILIDAD
4.5
45
Espacio muestral
4.6
Reglas aditivas
Pascal tuvo un amigo llamado Antoine Gombauld, conocido como el caballero Mere, un apostador apasionado. Buscando alguna forma de ganar
mas dinero, penso en apostar que en cuatro tiradas de un solo dado podra,
al menos, obtener un 6. Las personas aceptaban su apuesta y el empezo a
ganar mas dinero que el que perda. La forma en que razono fue la siguiente:
un 6 se obtiene con probabilidad 1/6, por lo tanto si se tienen cuatro oportunidades, sumando obtenemos que: 1/6 + 1/6 + 1/6 + 1/6 = 4/6, o 2/3,
cuyo resultado nos hace suponer que se ganaran 2 de cada 3 juegos.
CAPITULO 4. PROBABILIDAD
46
Tal vez aburrido de este juego, Mere busco uno mas interesante. Penso en
lanzar dos dados y obtener un doble seis al menos en 24 tiradas, pero con
este juego no fue tan afortunado. No obstante, razonando como antes se
llega a que un doble 6 se obtiene con probabilidad 1/36, pues si se tienen 24
oportunidades, la probabilidad de obtener el doble 6 es 24/36, simplificando
obtenemos 2/3. Mere penso que la aritmetica no funcionaba y consulto a
Pascal para que diera respuesta a su problema.
Calculemos la probabilidad de obtener al menos un 6 al lanzar cuatro veces
un dado, y comparemos el resultado con lo propuesto por Mere.
Sea A el evento en el que se obtiene al menos un 6 al lanzar cuatro veces un
dado.
Sea A1 el evento donde se obtiene un 6 en el primer intento.
Sea A2 el evento donde se obtiene un 6 en el segundo intento.
Sea A3 el evento donde se obtiene un 6 en el tercer intento.
Sea A4 el evento donde se obtiene un 6 en el cuarto intento.
CAPITULO 4. PROBABILIDAD
47
5 5 5 5
625
=
= 0.48225.
6 6 6 6
1296
Por lo tanto,
P (A) = 1 P (Ac ) = 1 0.48225 = 0.5177.
Este resultado sustenta las hipotesis del caballero Mere, pues en las apuestas
le favorece aproximadamente 52 veces de cada 100, aunque realmente no
es una ventaja desmedida o muy significativa, ademas, debemos notar que
realmente la probabilidad no es 2/3 como supona Mere.
Veamos ahora cual es la probabilidad de obtener al menos un doble 6 cuando
se lanzan 24 veces 2 dados.
Sea B el evento en el que se obtiene al menos un doble seis al lanzar 24 veces
dos dados. Sea B c el evento en el cual no se obtiene ning
un doble seis en las
24 tiradas de los dados.
CAPITULO 4. PROBABILIDAD
P (B c ) =
48
35
35 35
= 0.50859612.
36}
|36 36 {z
24veces
Por lo tanto,
P (B) = 1 P (B c ) = 1 0.50859612 = 0.49140388.
La probabilidad de obtener al menos un 6 al lanzar cuatro veces un dado
es 0.5177, es decir, de cada 100 juegos ganaremos 52 aproximadamente. La
probabilidad de obtener un doble 6, al menos, al lanzar dos dados 24 veces
es de 0.49, y con esta opcion se espera que ganemos 49 veces de cada 100
juegos.
Con lo anterior podemos verificar que realmente el razonamiento de Mere
respecto a la forma de calcular probabilidades era erroneo. Sin embargo, es
meritorio que haya notado, al observar los resultados de los juegos que, en
efecto, es mas probable obtener al menos un 6 al lanzar cuatro veces un dado,
que obtener al menos un doble 6 al lanzar dos dados 24 veces. Su observacion
fue tan exacta que le permitio darse cuenta que en un juego tena la ventaja
y en el otro no. Aunque cabe mencionar que es casi imposible percibir, o
diferenciar, situaciones donde las probabilidades de dos eventos tienen una
diferencia tan peque
na.
Antes de proponer una formula para calcular la probabilidad de la uni
on de
dos o mas eventos, veamos un ejemplo mas.2
Supongamos que se tienen los siguientes eventos: Sea A el evento en el que
se obtiene un n
umero menor o igual a cuatro al lanzar un dado, es decir, que
ocurre A cuando se obtiene el 1, 2, 3 o 4. Sea B el evento en el que se obtiene
un n
umero par al lanzar un dado, es decir, 2, 4 o 6.
Los eventos A y B no son ajenos pues comparten dos puntos muestrales, el
4 y el 2. Si deseamos obtener la probabilidad de obtener A o B, podemos
intentar sumar las probabilidades, es decir,
2
Denotaremos a la uni
on de dos eventos como suele hacerse en la teora de conjuntos,
es decir, haciendo uso del smbolo .
CAPITULO 4. PROBABILIDAD
P (A B) = P (A) + P (B) =
49
4
6
3
6
= 76 ,
5
4 3 2
+ = .
6 6 6
6
De los ejemplos ilustrados hasta aqu, podemos deducir los siguientes resultados.
CAPITULO 4. PROBABILIDAD
50
Conclusi
on 1 Sean A y B cualesquiera dos eventos, entonces
P (A B) = P (A) + P (B) P (A B).
Conclusi
on 2 Si A y B son mutuamente excluyentes o ajenos, sucede que
P (A B) = P (A) + P (B).
Conclusi
on 3 Si A y Ac son eventos complementarios, entonces
P (A) + P (Ac ) = 1.
Podemos demostrar la conclusion 3 utilizamos el hecho de que la probabilidad
de es igual a 1, y que A y Ac son ajenos.
P () = 1
P (A Ac ) = 1
P (A) + P (Ac ) = 1.
4.7
Ejemplos
CAPITULO 4. PROBABILIDAD
51
P (A B) = P (A) + P (B).
Los casos totales al lanzar 5 veces una moneda son 25 , los casos favorables
al evento A son 5, y solo hay un caso favorable al evento B. Utilizando la
formula de probabilidad clasica obtenemos que
P (A B) = P (A) + P (B) =
5
1
1
+
= .
32 32
6
Solucion. Si nuestra respuesta es Ninguna de las anteriores, debemos regresar al captulo uno. Si nuestra respuesta es 1, seguramente estamos
cometiendo el mismo error que el caballero Mere, repasa la seccion 3.6. Si
nuestra respuesta es 3/4, estamos en lo correcto.
Definamos como A al evento de obtener sol con la moneda de plata, y como
B al evento de obtener sol con la moneda de cobre. La probabilidad de que
ocurra A o B, es decir, la probabilidad de obtener al menos un sol, es
P (A B) = P (A) + P (B) P (A B).
CAPITULO 4. PROBABILIDAD
52
1
Casos favorables al evento
= .
Casos totales
4
1 1 1
3
+ = .
2 2 4
4
CAPITULO 4. PROBABILIDAD
53
Obtener el n
umero de casos favorables es un poco mas complicado, pero con la
practica resultara sencillo. Si queremos obtener un 2 con tres lanzamientos,
los casos favorables son todos aquellos donde al menos aparece un 2, por
ejemplo: (1,2,3), (4,2,5), (3,2,2), (2,2,2), etc. Todos los casos anteriores son
favorables; pero como contarlos a todos? Podemos separarlos en tres grupos,
uno donde solo aparezca una vez el 2, otro donde aparezca dos veces el 2, y
un u
ltimo grupo donde el 2 aparezca las tres veces.
Cuando solo hay un 2, por ejemplo, (2,,), podemos tener en lugar de los espacios vacos cualquier n
umero del dado exceptuando el dos, es decir, cualquiera
de cinco n
umeros.
Hay 25 posibilidades del caso (2, , ).
Hay 25 posibilidades del caso (, 2, ).
Hay 25 posibilidades del caso (, , 2).
Por lo tanto hay 75 casos favorables donde solo hay un 2. De manera similar
obtenemos que los casos favorables cuando hay dos veces 2, por ejemplo,
(2,1,2). El n
umero de casos es 15. Cuando tenemos tres veces el 2 solo hay
un caso, (2,2,2). Sumando todos los casos favorables obtenemos por resultado
75 + 15 + 1 = 91.
Ya que hemos calculado los casos favorables y totales, aplicamos la formula,
P (A) =
Con lo que probamos que no existe la igualdad que supona Cardano; para
que exista la igualdad se debe obtener un medio de probabilidad.
Existe una forma mas sencilla de obtener los casos favorables. Sabemos que
en total hay 216 casos, de estos algunos son favorables al evento A, y hay
otros que no lo son. Para facilitar el trabajo contemos los casos que no son
favorables, es decir, contemos los casos donde no aparece el 2. En estos casos
podran aparecer cualquiera de las cinco caras restantes del dado. En total
son 5 5 5 = 125 casos.
CAPITULO 4. PROBABILIDAD
54
De los 216 casos totales 125 no son favorables, por lo tanto, los casos favorables se obtienen restando 216 125 = 91, que es el resultado que obtuvimos
anteriormente.
Ejemplo 22 En una de tantas ferias de la ciudad hay un personaje pin atrae a los paseantes con un juego. El
muestra
toresco de nombre Soln. Este
tres cartas, la primera con ambas caras azules, la segunda con ambas blancas y la tercera con una cara blanca y una azul, despues las introduce en
un sombrero, y deja que uno de los espectadores extraiga una. Soln pide al
espectador que coloque la carta sobre una mesa, sin mostrar de que color es
la cara que queda boca abajo. Supongamos que la cara que podemos ver de la
carta es azul, entonces Soln dir
a: al parecer la cara oculta puede ser blanca
o azul, apuesto 10 pesos contra 12 a que la cara oculta tambien es azul.
Parece ser una buena oportunidad para que el espectador gane una apuesta.
Sabemos que la carta con las dos caras blancas ya no est
a en juego, es decir,
la carta sobre la mesa es la que tiene ambas caras azules o la carta que tiene
una cara de cada color. Soln nos dar
a 12 pesos si es que la cara oculta es
blanca, mientras que nosotros s
olo le daremos 10 pesos en caso de que sea
azul, todo indicara que nosotros tenemos la ventaja, o no? Para saber si
es una oportunidad de ganar dinero o nos quieren estafar, mejor obtengamos
la probabilidad de que la cara oculta sea azul.
Solucion. Como es costumbre, definamos primero el evento de interes: sea A
el evento en que la cara oculta es azul. Cual es la probabilidad de A?
Necesitamos obtener los casos favorables y los totales. Para esto no necesitamos formulas, solo visualizar correctamente el problema. Hasta cierto punto
es bueno el argumento que nos da Soln, son dos cartas en juego y una le
da el triunfo, parecera que la probabilidad del evento A es un medio, sin
embargo, no debemos centrar la atencion en el n
umero de cartas, sino en el
n
umero de caras. Es una de tres caras la que esta oculta, dos azules y una
blanca, es decir, son tres los casos totales contra dos favorables, por lo que
podemos decir que:
2
P (A) = .
3
CAPITULO 4. PROBABILIDAD
55
En teora Soln gana dos de cada tres juegos, es decir, si nosotros jugaramos
tres veces se esperara que en dos ocaciones gane Soln y en una nosotros,
el nos pagara 12 pesos y nosotros a el 20. Despues de todo, no parece tan
conveniente aceptar apuestas de este tipo.
Ejemplo 23 En un cajon hay 4 calcetines negros, 4 azules y 2 verdes. Se
sacaran al azar dos calcetines, cu
al es la probabilidad de que ambos sean
azules? Cual es la probabilidad de que sean del mismo color?
Solucion. Sea A el evento en que los dos calcetines obtenidos al azar sean
azules. Sea B el evento en que los dos calcetines obtenidos al azar son del
mismo color. Para el evento A los casos favorables se pueden calcular con las
combinaciones de 4 en 2, es decir, de los cuatro calcetines azules que hay en el
cajon debemos elegir dos, sin importar el orden ya que son indistinguibles, y
los casos totales con las combinaciones de 10 en 2, es decir, elegir 2 calcetines
de 10 sin importar color u orden, entonces la probabilidad de A es
P (A) =
C24
6
= .
10
C2
45
CAPITULO 4. PROBABILIDAD
56
CAPITULO 4. PROBABILIDAD
57
tendra ventaja. Observemos la siguiente tabla que muestra las probabilidades de que en un grupo de n personas haya al menos dos personas con la
misma fecha de cumplea
nos.
N
umero
de invitados
1
2
3
..
.
Probabilidad
21
22
23
24
25
26
27
..
.
0.443
0.475
0.507
0.538
0.568
0.598
0.626
..
.
43
44
45
0.923
0.932
0.940
0
0.002
0.008
..
.
CAPITULO 4. PROBABILIDAD
58
B
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
La parte sombreada muestra lo que debe obtener B para que gane A cuando
este u
ltimo haya obtenido un 2, es decir, si A obtiene 2, B puede obtener
(1,1) o (1,2) o (2,1) o (2,2). Siguiendo la misma logica podemos contar los
casos favorables para A como
12 + 22 + 32 + 42 + 52 + 62 = 91.
Lo que quiere decir que, del total de las posibilidades en el juego, en 91 de
ellas gana A. Los casos totales son 216, pues se lanzan tres dados. Utilizando
la formula clasica de probabilidad tenemos que
P (A) =
91
= 0.4212962.
216
CAPITULO 4. PROBABILIDAD
59
una banca. Para obtener los casos favorables, del total de casos restemos los
casos donde al menos alguna persona esta con su pareja, que son 6! menos
el n
umero de arreglos donde al menos hay una persona junto a su pareja.
Si pensamos en la pareja Aa como un solo elemento, nos aseguraremos de que
siempre se sentaran juntos. Contamos los arreglos que resultan de acomodar
a los 5 elementos, Aa, B, b, C y c, que son 5!, tenemos arreglos donde al
menos aseguramos que hay una pareja junta, que es Aa. Este resultado lo
multiplicamos por 2, para hacer distincion entre Aa y aA. Como tenemos 3
parejas para elegir a la que vamos a unir, el resultado lo multiplicamos por 3,
por lo tanto llegamos a que el n
umero de arreglos que representan las formas
en que las seis parejas se pueden sentar de modo tal que al menos haya una
persona junto a su pareja es 3 2 5!. Si al total le restamos el n
umero
anterior, obtenemos
6! (3 2 5!) = 0.
Este resultado no es posible, necesariamente hay formas de sentar a las personas de manera que estas no esten junto a su pareja. Donde esta el error?
El error es que restamos de mas algunos casos. Por ejemplo cuando unimos
Aa y acomodamos los 5 elementos, en algunos de estos arreglos B y b quedan
juntos, y luego cuando unimos Bb y acomodamos los 5 elementos, sucede que
aqu tambien pueden quedar juntos Aa.
6! (3 2 5!) + error.
Para medir ese error contemos los arreglos en los que hay, por lo menos, dos
personas sentadas con su pareja. Por ejemplo, podemos unir a la pareja Aa y
tambien a la Bb, con esto obtenemos 4 elementos para acomodar, Aa, Bb, C
y c, entonces tenemos 4! arreglos donde por lo menos hay dos personas que
estan sentadas junto a su pareja. Dado que fijar Aa y Bb es distinto a fijar
aA y Bb, entonces debemos multiplicar nuestro resultado, 4!, por 4, que son
todas las formas en que se pueden fijar las parejas. Por u
ltimo, contemos las
formas en que podemos elegir a esas dos parejas, que son 3. Con lo anterior
llegamos al siguiente resultado:
6! (3 2 5!) + (3 4 4!) = 288.
CAPITULO 4. PROBABILIDAD
60
240
= 0.3333.
720
CAPITULO 4. PROBABILIDAD
61
28!
.
(7!)4
Por la forma en que estan marcadas las fichas del domino, en un juego, solo
una persona puede tener las 7 fichas con el mismo n
umero. Entonces los
casos favorables seran todos aquellos donde alguno de los jugadores tenga las
7 fichas con el cero, o las 7 fichas con el uno, etc., en total hay 7 casos. Pero
hay que ver como quedan distribuidas las 21 fichas restantes entre los otros
jugadores. Supongamos que el jugador que ha de tener las 7 fichas con un
mismo n
umero es el primero en elegir, y en efecto toma 7 las fichas deseadas.
El siguiente jugador dispone de C721 formas de elegir sus 7 fichas. Para el
tercer jugador restan 14 fichas, por lo cual tendra C714 posibilidades de elegir
sus fichas. El cuarto jugador se conformara con las 7 fichas restantes (C77 ).
Usando la regla de la multiplicacion el n
umero total de casos favorables para
el evento A es
7 C721 C714 C77 =
7 (21!)
.
(7!)3
CAPITULO 4. PROBABILIDAD
62
7(21!)
(7!)3
P (A) =
28!
(7!)4
= 0.000005912.
78.54
= 0.04.
1963.5
CAPITULO 4. PROBABILIDAD
63
CAPITULO 4. PROBABILIDAD
64
Area
sombreada = 3600 ((50 50)/2) 2
= 3600 2500
= 1100.
1100
11
= .
3600
36
Este problema fue planteado por Joseph Louis Bertrand y publicado en 1888 es su
libro Calcul des probabilities.
CAPITULO 4. PROBABILIDAD
65
Figura 4.3:
Figura 4.4:
Definamos el area favorable al evento, que llamaremos A. Para definir el area
favorable nos auxiliaremos de la figura 3.5. En esta figura podemos ver el
triangulo equilatero y un segmento de recta que se extiende desde el punto
a hasta el punto a, este u
ltimo punto es uno de los vertices del triangulo,
ademas el segmento de recta pasa por el centro del crculo. Supongamos
por un momento que solo podemos elegir puntos que esten contenidos en
CAPITULO 4. PROBABILIDAD
66
aa , y que las cuerdas que se generen con dichos puntos tendran que ser
perpendiculares al segmento aa . Todos los puntos que elijamos entre d y d
seran puntos medios de cuerdas con longitud mayor a L.
CAPITULO 4. PROBABILIDAD
67
Figura 4.6:
por lo tanto para obtener la probabilidad de elegir una cuerda con longitud
mayor a L es 13 .
Hemos llegado a dos soluciones diferentes, con este ejemplo Bertran trato de
mostrar que existen algunas inconsistencias en la teora de la probabilidad
geometrica. A juicio de muchos, los diferentes resultados son consecuencia
de diferentes interpretaciones del problema.
Ejemplo 31 Si se lanza una moneda honesta 300 veces, cu
al es la probabilidad de obtener 150 veces sol y 150 veces
aguila?
Solucion. Esta pregunta la he hecho en repetidas ocasiones obteniendo dos
repuestas; un medio y algo proximo a uno.
Los que dijeron un medio
La siguiente pregunta que formulo, con el fin de sacarlos de su error es: cual
es entonces la probabilidad de obtener 151 veces sol y 149 veces aguila? Y
con mayor sorpresa escucho que la probabilidad en este caso es proxima a
0.5.
Despues intento con una tercer pregunta esperando que esta vez s salgan de
CAPITULO 4. PROBABILIDAD
68
su error. Cual es la probabilidad de obtener 149 veces sol y 151 aguilas? Sin
embargo obtengo por respuesta, que la probabilidad es muy cercana a 0.5.
Despues de comprender que las tres preguntas son incapaces de lograr su
objetivo, utilizo el siguiente argumento para lograrlo:
Sea A el evento en el cual se obtiene 150 veces sol al lanzar una moneda 300
veces. Sea B el evento en el cual se obtiene 149 veces sol al lanzar una moneda
300 veces. Sea C el evento en el cual se obtiene 151 veces sol al lanzar una
moneda 300 veces. Por lo que expresaron las personas, las probabilidades de
estos eventos son las siguientes:
P (A) = 0.5,
P (B) = 0.49,
P (C) = 0.49.
CAPITULO 4. PROBABILIDAD
69
Shuaghness (1976)[8]
CAPITULO 4. PROBABILIDAD
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
70
S, S, S, S
S, S, S, A
S, S, A, S
S, A, S, S
A, S, S, S
S, S, A, A
S, A, S, A
S, A, A, S
A, S, A, S
A, A, S, S
A, S, S, A
A, A, A, A
A, A, A, S
A, A, S, A
A, S, A, A
S, A, A, A
6
= 0.37.
16
Obtenemos un n
umero menor que 0.5, pero diferente de 0.046275 correspondiente a la probabilidad de obtener 150 soles al lanzar trescientas veces la
moneda.
Los que dijeron que la probabilidad es algo pr
oximo a uno
Si se lanza un moneda 2n veces y se desean obtener n soles tendremos pocas
posibilidades de lograr nuestro objetivo. El caso en el que mayor probabilidad
tenemos de lograrlo es con n = 1, es decir, cuando lanzamos 2 veces la
moneda.
1
2
3
4
S, S
S, A
A, S
A, A
CAPITULO 4. PROBABILIDAD
P (A) =
71
2
= 0.5.
4
Captulo 5
Independencia
Entre los hombres dedicados al estudio de la probabilidad, se reconoce a
Pierre de Simon Laplace, principalmente por su obra intitulada Ensayo
filosofico sobre las probabilidades, que como mencionamos en el captulo
anterior, tiene el merito de haber sintetizado y estructurado los resultados
que hasta ese momento se tenan sobre la teora de las probabilidades.
Laplace expone 11 principios, de estos, 7 se evocan al calculo de probabilidades, y los restantes al calculo de esperanzas, tema que veremos en el
siguiente captulo. Aunque no lo mencionamos, en el captulo anterior tratamos los dos primeros principios, que se refieren al la formula clasica y a la
probabilidad de la union de eventos. Por lo cual este captulo lo dedicaremos
exclusivamente al estudio de los principios: tercero, cuarto, quinto, sexto y
septimo.
5.1
Eventos independientes
CAPITULO 5. INDEPENDENCIA
73
1 1
1
= .
6 2
12
CAPITULO 5. INDEPENDENCIA
74
El n
umero total de sucesiones compuestas de unos y ceros es 2n , y cada
una de estas tiene igual probabilidad de ocurrir. Pensemos en un espacio
muestral que este compuesto de 2n elementos, y obtengamos la probabilidad
de que ocurra cada punto muestral. Cada lanzamiento de la moneda es
independiente del resto, entonces la probabilidad de cualquier sucesion, o
punto muestral, es el producto de las probabilidades de cada lanzamiento,
que es
n
1
1
1
1
1
...
=
= n.
2
2
2
2
2
|
{z
}
n
CAPITULO 5. INDEPENDENCIA
75
n!
.
(n k)!k!
Ckn
n
1
.
2
CAPITULO 5. INDEPENDENCIA
5.2
76
Experimentos Bernoulli
Existe una gran variedad de situaciones o experimentos que tienen solo dos
posibles resultados, a estos se les conoce como: ensayos Bernoulli.
Formalmente los ensayos Bernoulli son una serie de experimentos independientes, donde cada ensayo tiene dos posibles resultados y sus probabilidades
permanecen constantes. Se utilizan las letras p y q para representar estas
probabilidades, ademas, se acostumbra decir que los dos posibles resultados
son exito y fracaso. El problema de la moneda es un ejemplo de los ensayos
Bernoulli, donde la p y q son iguales.
1
p=q= .
2
Supongamos que se realizaran n ensayos Bernoulli, la probabilidad de exito
es p y la probabilidad de fracaso es q. Cual es la probabilidad de obtener k
exitos? En este caso tendremos 2n sucesiones de exitos y fracasos, Cuantos
de estos contienen exactamente k exitos y n k fracasos? Como ya vimos
son Ckn . La probabilidad de cada una de estas sucesiones de eventos independientes es pk q nk . As pues, podemos concluir que la probabilidad de obtener
k exitos al realizar n ensayos Bernoulli es
P (A) = Ckn pk q nk =
n!
pk q nk .
(n k)!k!
CAPITULO 5. INDEPENDENCIA
77
Ckn pk q nk
10
C10
10 0 10
1
2
1
=
.
3
3
3
Ckn pk q nk
5!
=
(5 2)!2!
2 3
1
5
= 0.16075103.
6
6
5.3
Probabilidad condicional
CAPITULO 5. INDEPENDENCIA
78
5
Como ya sabemos, el evento A ocurre con probabilidad igual a 10
. El evento
B depende del resultado de la primera extraccion, si ocurrio A, que es lo que
nos interesa, la probabilidad de B sera 95 , pues para la segunda extraccion
en la urna tendremos 5 bolas blancas y 4 negras. As, la probabilidad de que
ocurran los eventos A y B es
P (A)P (B | A) =
5
25
5
= .
10 9
90
P (A B)
.
P (B)
CAPITULO 5. INDEPENDENCIA
79
Ejemplo 34 Seg
un una encuesta, el 50 por ciento de una poblaci
on fuma
y el 10 por ciento fuma y es hipertensa. Cu
al es la probabilidad de que un
fumador sea hipertenso?
Solucion. Definimos: evento A, persona fumadora, evento B, persona que
fuma y es hipertensa. Aplicando la formula de probabilidad condicional
obtenemos
P (A | B) =
0.1
P (A B)
=
= 0.2.
P (B)
0.5
1
12
1
6
1
= .
2
CAPITULO 5. INDEPENDENCIA
5.4
80
P (A) = P ((A B1 ) (A B2 ) . . . (A Bn ))
P (A) = P (A B1 ) + P (A B2 ) + . . . + P (A Bn ).
P (A | B1 ) =
P (A B1 )
P (B1 )
CAPITULO 5. INDEPENDENCIA
81
P (A | B1 )P (B1) = P (A B1 ).
CAPITULO 5. INDEPENDENCIA
5.5
82
Teorema de Bayes
P (K A)
P (K A)
=
.
P (K)
P (K | A)P (A) + P (K | B)P (B) + P (K | C)P (C))
CAPITULO 5. INDEPENDENCIA
83
5.6
Ejemplos
CAPITULO 5. INDEPENDENCIA
84
CAPITULO 5. INDEPENDENCIA
P (A | B) =
P (A B)
=
P (B)
85
1
3
1
3
1
6
2
= .
3
CAPITULO 5. INDEPENDENCIA
56!
=
(56 36)!36!
= 0.01090258.
86
36 20
1
1
2
2
CAPITULO 5. INDEPENDENCIA
87
Ejemplo 40 En una urna hay tres bolas azules, tres blancas y tres rojas. Se
sacan dos bolas una tras otra, sin reposici
on. Dado que en la segunda extraccion se obtuvo una bola blanca, cu
al es la probabilidad de que la primera
haya sido roja? Lo anterior suponiendo que por alguna raz
on no sabemos lo
que se obtuvo en la primera extracci
on.
Solucion. Denotemos con Ai el hecho de que en la extraccion i se obtuvo una
bola azul, con i = 1, 2. De forma similar usaremos Bi y Ri. Por ejemplo, B2
denota que obtuvimos una bola blanca en la segunda extraccion.
Lo que deseamos calcular es la probabilidad de que la primera bola extrada
haya sido roja, R1, dado que la segunda fue blanca, B2, es decir
P (R1 | B2) =
P (R1 B2)
P (B2)
CAPITULO 5. INDEPENDENCIA
88
P (B2 | A1 B1) =
P B2 (A1 B1)
P (A1 B1)
P (B2 A1) + P (B2 B1)
=
P (A1) + P (B1)
1
3
+ 82 13
8
3
=
6
9
5
=
.
16
As concluimos que la probabilidad de que en la segunda extraccion se obtenga
una bola blanca dado que en la primera extraccion se obtuvo una bola que
no es roja es 5/16.
Ejemplo 42 Problema del taxi. Un taxi se vio envuelto en un choque nocturno de pega y corre. Existen dos compa
nas de taxis en la ciudad, la
compa
na de taxis azules y la compa
na de taxis verdes. Se sabe que el 85
por ciento de los taxis de la ciudad son verdes y 15 por ciento azules. Un
testigo de la escena identifico el taxi que particip
o en el accidente como azul.
Este testigo fue probado bajo similares condiciones de visibilidad e hizo las
identificaciones correctas del color en el 80 por ciento de las instancias de
prueba. Cual es la probabilidad de que el taxi que particip
o en el accidente
fuera azul y no verde?
Solucion. Este problema (extrado del libro de J. Michael Shaughnessy [8]),
puede causar confusion. Michael Shaughnessy menciona que incluso personas
que ya han estudiado probabilidad, tienen dificultad para resolver problemas
como el del taxi. Antes de leer la solucion se recomienda tratar de resolverlo,
aunque no se llegue a la solucion.
CAPITULO 5. INDEPENDENCIA
89
Verde
30
680 acierta
710
P (A | T A) =
P (A T A)
P (A T A) + P (V T A)
CAPITULO 5. INDEPENDENCIA
90
P (A)P (T A | A)
P (A)P (T A | A) + P (V )P (T A | V )
(0.15)(0.8)
=
(0.15)(0.8) + (0.85)(0.2)
= 0.4137.
=
La probabilidad de que el taxi haya sido azul dado que el testigo lo identifico
como azul, es 0.41 y no 0.8 como algunos piensan.
Ejemplo 43 Un argumento en favor de La Divina Providencia mediante el
uso de la teora de la probabilidad de John Arbuthnot.[3]
John Arbuthnot compara el n
umero de ni
nos y ni
nas bautizados entre los
a
nos de 1629 y 1710, observando que en estos 82 a
nos el n
umero de ni
nos
supera al de las ni
nas, es decir, que nacen mas ni
nos que ni
nas. Al suponer
que la probabilidad de que nazca un ni
no o una ni
na es la misma, es decir
un medio, es extra
no que durante estos 82 a
nos el nacimiento de ni
nos sea
superior. Pensemos que en cada a
no puede haber mas hombres o mujeres
con la misma probabilidad, entonces la probabilidad de que en cada uno de
los 82 a
nos hayan nacido mas hombres que mujeres es
1
1
=
.
82
2
48357032784585216698829704
La probabilidad es muy peque
na, por lo que Arbuthnot atribuye el hecho
Captulo 6
Esperanza
Cuando decidimos comprar un boleto para una rifa o apostamos en un juego
de azar estamos cambiando nuestro dinero, o el bien que apostemos, por
el derecho a esperar lo que el azar nos pueda devolver, pero esperando
ganancias, claro esta. La esperanza es, dicen algunos, algo que no debemos perder. Los pioneros en los estudios de probabilidad, no se conformaron
con no perderla, sino que quisieron cuantificarla o mediarla, y con base en
esta tomar decisiones.
6.1
Esperanza matem
atica
CAPITULO 6. ESPERANZA
92
E(X) =
n
X
i=1
xi P (X = xi ).
CAPITULO 6. ESPERANZA
93
4
6
+ (5) = 3 2 = 1.
10
10
Y la esperanza de B es
E(A) = (5)
4
6
+ (5) = 2 3 = 1.
10
10
CAPITULO 6. ESPERANZA
94
1 1 1
7
+ + = .
2 4 8
8
Entonces la esperanza de A es
1
60
7
E(A) = (10) + (10) =
= 7.5.
8
8
8
La esperanza de A es 7.5, esto es, la ganancia promedio que tendra en caso
de continuar con el juego. El dinero que gana el jugador A lo pierde B, por
lo tanto, B debera pagar 7.5 monedas de las 10 que en un principio aposto.
Con el concepto de esperanza podemos mostrar de una forma mas sencilla
cuando un juego es justo. Paradojicamente un juego sera justo cuando la
esperanza sea cero para cada jugador. Es decir, si la teora se refleja en
la practica, despues de una noche completa de estar jugando, cada jugador
se ira a casa con su dinero y ni una moneda mas. La siguiente ecuacion
representa la situacion tpica en un juego de azar que se supone es justo
E(A) = bp aq = 0.
bp = aq.
Donde p es la probabilidad de que A gane el juego, q es la probabilidad
de que pierda, a es la cantidad que puede perder y b la que puede ganar.
Observemos que bp = aq refleja la idea intuitiva de esperanza que manejaba
Cardano; si la probabilidad de un jugador es un medio, este debe aportar
la mitad del monto que esta en juego, si la probabilidad de ganar es menor
que un medio debera contribuir con un cantidad menor a la mitad del monto
apostado, es decir, se debe cumplir una relacion entre la cantidad que aporta
el jugador y la probabilidad que tenga de ganar.
CAPITULO 6. ESPERANZA
6.2
95
CAPITULO 6. ESPERANZA
96
E(X) =
xi P (X = xi )
2i
i=1
i=1
1
2i
1
1 4
= 2 + 4 + 8 + ...
2 1
8
= 1+1+1+
= .
Si el plebeyo opta por la opcion uno, la de llenar sus bolsillos con monedas
de oro, ganara aproximadamente 100 monedas. Con la otra opcion, la de
lanzar una moneda hasta obtener cruz, se espera que gane una infinidad de
monedas de oro! El plebeyo no tendra que pensar mucho para elegir una de
las opciones una infinidad de monedas de oro!. . . Yo tomara las monedas
que pudiera guardar en mis bolsillos.
Por que no elegir la opcion dos? El primer argumento en contra es que, el
n
umero de monedas que el rey tiene, seguramente es finito, (exceptuando el
caso en que sea un rey mago). Y podemos pensar que ciertamente no hay una
ganancia infinita, pero el resultado nos augura que ganaremos una cantidad
grande de monedas, veamos el siguiente argumento para desenga
narnos.
Con la opcion dos no hay forma de ganar 100 monedas pero un n
umero
proximo es 128, para esto se debe obtener cruz hasta el septimo lanzamiento,
la probabilidad de que ocurra esto es P (X = 7) = 217 = 0.0078125, es decir,
ocurre aproximadamente 8 de cada 1000 veces. Es decir, la probabilidad de
ganar una cantidad de monedas similar lo que se puede ganar con la primera
opcion es muy peque
na.
Podemos ser un poco mas persistentes y argumentar que la probabilidad que
debemos calcular para la segunda opcion es la de obtener una ganancia mayor
o igual a 128 monedas, y al hacerlo obtenemos que
P (X 128) = 1 [P (X = 2) + P (X = 4) + . . . + P (X = 64)]
CAPITULO 6. ESPERANZA
97
= 1 0.984375
= 0.015625.
Lo que podemos interpretar como tener 1.5 oportunidades de 100 para obtener
una ganancia mayor con la segunda opcion. As que definitivamente es mejor
la primera opcion.
Recordemos, pues, que el valor que puede tomar la esperanza matematica
es cualquier n
umero real, pero hay que hacer nuestras interpretaciones con
cuidado.
6.3
1
99
+ (10)
= 9.9 9.9 = 0.
100
100
CAPITULO 6. ESPERANZA
98
499
1
+ (20)
= 19.96 19.96 = 0.
500
500
10 + (20) = 30
10 + 9980 = 9970
Z=
970 + (20) = 970
si
si
si
si
X
X
X
X
= 10 y Y = 20,
= 10 y Y = 9980,
= 970 y Y = 20,
= 970 y Y = 9980.
P (Z = 9970) =
99 1
100 500
= 0.00198,
CAPITULO 6. ESPERANZA
99
1 499
P (Z = 9970) =
= 0.00998,
100 500
1 1
P (Z = 10970) =
= 0.00002.
100 500
Ya definimos el espacio muestral de Z, y asociadomos una probabilidad a
cada uno de los puntos muestrales. En base a lo anterior es relativamente
facil obtener la esperanza de Z.
E(X + Y ) = E(Z)
= (30)(0.98802) + 9970(0.00198) + 997(0.00998)10970(0.00002)
= 0.
Lo anterior confirma que la suma de precios justos es tambien un precio justo.
Ademas la igualdad
E(X) + E(Y ) = E(X + Y ),
se cumple siempre.
6.4
Ejemplos
Ejemplo 44 Una persona puede elegir entre dos opciones para que le salden
una deuda de 100 pesos. La primera opci
on es recibir los 100 pesos, la
segunda es recibir un boleto para una rifa de 1000 pesos, en total son 10
boletos. Cual es la mejor opci
on?
Solucion. Utilizando al concepto de esperanza podemos tomar la mejor decision. La esperanza de la primera opcion es de 100. Para obtener la esperanza en la segunda opcion primero obtengamos la probabilidad de que gane
los 900 pesos (1000 menos los 100 que le deban), y la de que pierda sus 100
pesos.
CAPITULO 6. ESPERANZA
100
1
10
9
.
10
9
1
+ (100) = 90 90 = 0.
10
10
Como en la segunda opcion su esperanza es cero, sera mejor que pida que le
sean pagados sus 100 pesos.
En la conclusion anterior se esta cometiendo un error cual es? En realidad la
esperanza para la primera opcion, quedarse con los 100 pesos, no es 100, sino
cero, por que? Observemos que la esperanza que obtuvimos para la segunda
opcion, es para calcular la ganancia esperada, y la ganancia esperada es cero,
al igual que en la primera opcion. Al ser las dos esperanzas iguales a cero,
debemos entender que se espera que no ganemos y perdamos nada en ambos
casos, sin embargo hay que diferenciar que en un caso tenemos comprada
una oportunidad para ganar 1000 pesos, y en el otro caso tenemos los 100 en
efectivo. As, pues, en teora las dos opciones son iguales.
Ejemplo 45 La ruleta que se usa para apostar en los casinos consta de 38
areas identificadas por los n
umeros del 1 al 36 y los smbolos 0 y 00. Los
jugadores apuestan a uno de los 36 n
umeros y en caso de que salga su n
umero
reciben 36 veces lo que hayan apostado. La casa siempre gana cuando sale el
0 y el 00. Cual es la ganancia promedio del jugador?
Solucion. Pensemos que la apuesta del jugador es de una moneda. El jugador ganara 35 monedas con probabilidad 1/38, y perdera su moneda con
probabilidad 37/38, as la esperanza para el jugador es
E(jugador) = (1)P (pierda) + (35)P (gane) =
37 35
2
+
= .
38 38
38
CAPITULO 6. ESPERANZA
101
CAPITULO 6. ESPERANZA
102
Hasta aqu todo marcha bien, pero para conocer al tercer duende empiezan
los problemas. Al abandonar la segunda puerta Alicia debe elegir una de las
tres restantes y al hacerlo no necesariamente conocera a un nuevo duende,
pues de los tres restantes ya conoce a uno. Para obtener la esperanza de X3
describamos su espacio muestral y asignemosle a cada elemento su probabilidad.
Denotemos con una F el hecho de que en su siguiente intento Alicia falle y
no conozca a un nuevo duende, y con una C el hecho de que tenga exito y
conozca a un nuevo duende. Puede ser que Alicia al abrir la siguiente puerta
conozca a un nuevo duende, o puede ser que no, es mas puede abrir diez o
mas veces las puertas sin conocer al duende diferente. Lo anterior lo podemos
representar con las siguientes cadenas de Fs y una C.
Cadena
de intentos.
C
FC
FFC
...F F C
N
umero de intentos (k)
k=1
k=2
k=3
Pueden ser infinitos
Ya describimos el espacio muestral, ahora para asignar probabilidades supongamos que cada vez que Alicia elige una puerta lo hace de manera independiente. Expresemos con la letra p la probabilidad de conocer a un nuevo
duende y con la letra q la probabilidad del complemento, es decir, q es la
probabilidad de no conocer a un nuevo duende. Por ejemplo, la probabilidad
de que Alicia conozca al tercer duende en su primer intento es
P (X3 = 1) = p.
Para que Alicia conozca al tercer duende en su segundo intento, en el primer
intento debe fallar y esto curre con probabilidad q, y en el segundo debe tener
exito, y esto ocurre con probabilidad p.
P (X3 = 2) = qp.
CAPITULO 6. ESPERANZA
103
E(X3 ) =
kP (X3 = k) =
k=1
kq k1p.
k=1
Desarrollando la u
ltima suma obtenemos
E(X3 ) = p + 2qp + 3q 2 p + 4q 3 p + . . .
(6.1)
CAPITULO 6. ESPERANZA
104
Despejando S
S qS = S(1 q) = p
S=
p
.
1q
p
p
= = 1.
1q
p
E(X3 ) q(E(X3 ) = 1
E(X3 )(1 q) = 1
E(X3 ) =
1
1
= .
1q
p
La probabilidad de conocer a un nuevo duende, dado que son tres las posibles
puertas y ya conocemos a uno, es de 2/3, es decir, p = 2/3 y q = 1/3,
sustituyendo el valor de p llegamos a
E(X3 ) =
1
2
3
3
= .
2
CAPITULO 6. ESPERANZA
105
1
1
3
= 3.
3
+ 3 = 6.5.
2
Captulo 7
Conclusiones
El objetivo principal del presente texto es trasmitir conocimiento e ideas
sobre la teora de la probabilidad. Como consecuencia de esto, la mayora de
las conclusiones que obtuve estan orientadas a la forma en que desarrolle los
conceptos basicos de dicha teora.
A traves de la escritura del presente texto se ha logrado constatar algunos
de los supuestos que exponen los investigadores de la ense
nanza de la probabilidad, basandome principalmente en la discusion con diversas personas de
algunos de los ejemplos que presento, y observando los razonamientos que se
utilizaron para resolverlos. Resalta que en muchos casos uno de los errores
mas recurrentes es el no hacer distincion entre el tama
no del experimento.
Por ejemplo, al preguntar a una persona por la probabilidad de obtener cinco
veces sol al lanzar una moneda diez veces, generalmente se obtiene una respuesta similar a la que nos dara si preguntasemos por la probabilidad de
obtener cincuenta veces sol al lanzar cien veces una moneda, siendo que estas dos probabilidades son distintas. A este fenomeno se le conoce como
representatividad.
Para solucionar problemas de ense
nanza como el de la representatividad, una
posibilidad es la de escribir textos cortos que se centren en los dificultades que
se han identificado, y se pongan al alcance de los estudiantes de bachillerato
y licenciatura. Lo anterior puede funcionar no solo para la ense
nanza de la
probabilidad, sino de todas las areas del conocimiento.
106
CAPITULO 7. CONCLUSIONES
107
Algunas de las caractersticas que propongo para estos textos cortos son:
que se utilice el menor n
umero posible de expresiones matematicas, que se
interpreten los resultados obtenidos y los razonamientos que se utilizaron, que
se ofrezca mas de una solucion a los problemas planteados y, si es posible,
soluciones erroneas que parecieran ser correctas para as mostrar al estudiante
el razonamiento erroneo en el que se puede incurrir.
En este texto desarrolle algunas de las propuestas anteriores, mas a
un creo
que es mucho lo que se puede hacer. Me gustara en un futuro, hacer una
investigacion donde pudiera encontrar los principales temas o conceptos de
probabilidad con los que los estudiantes de bachillerato tienen problemas
y probar diferentes formas de explicar esos conceptos, para posteriormente
elaborar un texto mas didactico.
Bibliografa
[1] Blom, Gunnar, Holst Lars, Sandell Dennis. Problems and snapshots from
the world of probability. Springer-Verlag, 1994 .
108